人类从当前“以设备为中心”的时代,已经进入了“以服务为中心的时代”。现在,“云”正成为IT业界关注的焦点。Hadoop是Apache开源组织的一个分布式计算开源框架,它受到最先由Google Lab开发的Map/Reduce和Google File System(GFS)的启发,是一个能够对大量数据进行分布式处理的软件框架,以一种可靠、高效、可伸缩的方式进行数据处理。Hadoop由分布式文件系统和分布式计算框架MapReduce两部分组成,其中MapReduce则构建在分布式文件系统之上,对存储在分布式文件系统中的数据进行分布式计算。而作业调度算法对整个Hadoop执行作业的性能起着很重要的作用。为了减少任务执行过程中网络传输开销,通常将任务调度到输入数据所在的计算节点,也就是让任务在本地进行计算。Hadoop三种原生调度算法在任务选择策略上相同,这个任务选择策略优先选择本地性的任务。Hadoop有时还对非本地性任务进行调度,比如当其它节点都很忙碌而有空闲节点申请任务调度而的时候。而且对失败任务的调度Hadoop通常不考虑任务的数据本地性,针对Hadoop调度算法在数据本地性方面存在的这些问题,为了改善这些状况,本文基于数据块间资源预取的方法,给出了改进思想,该改进思想在非本地任务执行之前,其它任务执行过程中对非本地性任务数据进行数据块间的预取,这样就严格保证了Hadoop调度任务的本地性。本文通过搭建小型的Hadoop平台,依次对Hadoop原生调度算法和给出的改进思想进行实验比较,结果表明,改进后的算法能够有效地提高数据本地性,也一定程度上减少了作业的响应时间,该思想具有可行性。